CN115277294B - 一种差分总线在线健康诊断方法及系统 - Google Patents

一种差分总线在线健康诊断方法及系统 Download PDF

Info

Publication number
CN115277294B
CN115277294B CN202210893048.4A CN202210893048A CN115277294B CN 115277294 B CN115277294 B CN 115277294B CN 202210893048 A CN202210893048 A CN 202210893048A CN 115277294 B CN115277294 B CN 115277294B
Authority
CN
China
Prior art keywords
bus
value
health
characteristic
comprehensive health
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210893048.4A
Other languages
English (en)
Other versions
CN115277294A (zh
Inventor
盖猛
张小松
李博健
王磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CRRC Qingdao Sifang Rolling Stock Research Institute Co Ltd
Original Assignee
CRRC Qingdao Sifang Rolling Stock Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CRRC Qingdao Sifang Rolling Stock Research Institute Co Ltd filed Critical CRRC Qingdao Sifang Rolling Stock Research Institute Co Ltd
Priority to CN202210893048.4A priority Critical patent/CN115277294B/zh
Publication of CN115277294A publication Critical patent/CN115277294A/zh
Application granted granted Critical
Publication of CN115277294B publication Critical patent/CN115277294B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L12/40169—Flexible bus arrangements
    • H04L12/40176—Flexible bus arrangements involving redundancy
    • H04L12/40189—Flexible bus arrangements involving redundancy by using a plurality of bus systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0677—Localisation of faults
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/22—Parsing or analysis of headers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L2012/40208—Bus networks characterized by the use of a particular bus standard
    • H04L2012/40215—Controller Area Network CAN

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Small-Scale Networks (AREA)

Abstract

本申请公开了一种差分总线在线健康诊断方法及系统，差分总线在线健康诊断方法包括：特征值提取步骤：对链路层数据进行解析后提取链路层数据特征值，从物理层波形数据中提取物理波形特征值；网络故障诊断步骤：对所述物理波形特征值与所述链路层数据特征值进行处理获得总线特征影响因子后，根据所述总线特征影响因子计算获得总线综合健康值，根据所述总线综合健康值计算获得历史总线综合健康值；网络健康评估步骤：通过计算获得所述历史总线综合健康值与所述总线综合健康值的差值，根据所述差值对所述总线特征影响因子进行分析获得分析结果，根据所述分析结果对总线故障进行评估，获得评估结果。

Description

一种差分总线在线健康诊断方法及系统
技术领域
本申请涉及故障诊断与健康管理技术领域，尤其涉及一种差分总线在线健康诊断方法及系统。
背景技术
差分总线是一种常见的通信总线，以其高速的通信速率及优异的抗干扰能力广泛应用于轨道交通领域，其中最常见的为MVB与CAN总线。在实际应用过程中MVB总线贯穿列车全列，串联连接所有车辆控制器，是信息传输的大动脉。但是由于涉及的节点多当信息通信出现问题时不宜诊断，无法快速精准识别具体故障点，当总线处于亚健康状态时提前识别更是无法实现。
目前对MVB的故障诊断与健康管理一般采取的措施通过某一下挂的MVB从卡监听总线数据，但这种监听一般只监听至应用层，直接将所有数据记录或通过存储介质保存，后期通过离线方式进行故障分析，或通过无线方式将数据上传至服务器解析。这两种方法都存在总线数据量大，数据的采样只能采用间隔采样的方式，无法真实还原总线状态，另一个问题是只能通过应用层协议解析数据，通过应用层的协议进行故障诊断，这种方式因为无法监听总线物理层的具体数据，就无法诊断由于传输介质及通信节点物理的电气故障导致的问题，而这一问题比如线缆接触不良，某个MVB子节点由于单点故障导致的全列数据的影响是最常见的，目前现有技术无法提前、准确诊断及定位问题。
现有技术的另一问题就是无论是事后的故障分析还是事前的故障诊断都由于与现车的具体协议紧密相关，每一种车型都要根据具体车型建立一套故障分析方法，通用性不强。
发明内容
本申请实施例提供了一种差分总线在线健康诊断方法及系统，以至少通过本发明解决了无法提前、准确的诊断总线故障、无法快速精准识别或定位总线故障点、总线故障分析或故障诊断方法通用性低等问题。
本发明提供了一种差分总线在线健康诊断方法，包括：
特征值提取步骤：对链路层数据进行解析后提取链路层数据特征值，从物理层波形数据中提取物理波形特征值；
网络故障诊断步骤：对所述物理波形特征值与所述链路层数据特征值进行处理获得总线特征影响因子后，根据所述总线特征影响因子计算获得总线综合健康值，根据所述总线综合健康值计算获得历史总线综合健康值；
网络健康评估步骤：通过计算获得所述历史总线综合健康值与所述总线综合健康值的差值，根据所述差值对所述总线特征影响因子进行分析获得分析结果，根据所述分析结果对总线故障进行评估，获得评估结果。
上述的差分总线在线健康诊断方法，其中，所述特征值提取步骤包括：
差分采样电路采集所述物理层波形数据，通过总线接口采集所述链路层数据；
通过PCIE将固件配置和总线协议从所述ARM传输到FPGA，所述FPGA根据所述总线协议，通过解码部分对所述链路层数据进行解析，获得所述解析后的所述链路层数据。
上述的差分总线在线健康诊断方法，其中，所述特征值提取步骤还包括：
通过FPGA内部算法从所述物理层波形数据中提取所述物理波形特征值。
上述的差分总线在线健康诊断方法，其中，所述网络故障诊断步骤包括：
通过计算获得所述物理波形特征值与所述链路层数据特征值的差值；
根据所述差值计算获得所述总线特征影响因子。
上述的差分总线在线健康诊断方法，其中，所述网络健康评估步骤包括：
当所述历史总线综合健康值与所述总线综合健康值的所述差值小于预设阈值时，历史总线综合健康值自学习算法将所述总线综合健康值采纳到历史总线综合健康特征值库中。
上述的差分总线在线健康诊断方法，其中，所述网络健康评估步骤还包括：
当所述历史总线综合健康值与所述总线综合健康值的所述差值大于等于所述预设阈值时，判断所述差值是否影响总线通信，若所述差值不影响所述总线通信，则总线故障状态判断为总线亚健康状态。
上述的差分总线在线健康诊断方法，其中，所述网络健康评估步骤还包括：
根据判断结果对所述总线特征影响因子进行分析后，定位所述总线故障，所述ARM对所述总线故障对应的物理层波形数据与链路层数据进行存储，并将故障预警上传至服务器。
上述的差分总线在线健康诊断方法，其中，所述网络健康评估步骤还包括：
若所述差值影响所述总线通信，则所述故障状态判断为总线故障状态。
上述的差分总线在线健康诊断方法，其中，所述网络健康评估步骤还包括：
根据判断结果对所述总线特征影响因子进行分析后，定位所述总线故障，所述ARM对所述总线故障对应的物理层波形数据与链路层数据进行存储，并将所述总线故障状态上传至所述服务器。
本发明还提供差分总线在线健康诊断系统，其中，适用于上述所述的差分总线在线健康诊断方法，所述差分总线在线健康诊断系统包括：
特征值提取单元：对链路层数据进行解析后提取链路层数据特征值，从物理层波形数据中提取物理波形特征值；
网络故障诊断单元：对所述物理波形特征值与所述链路层数据特征值进行处理获得总线特征影响因子后，根据所述总线特征影响因子计算获得总线综合健康值，根据所述总线综合健康值计算获得历史总线综合健康值；
网络健康评估单元：通过计算获得所述历史总线综合健康值与所述总线综合健康值的差值，根据所述差值对所述总线特征影响因子进行分析获得分析结果，根据所述分析结果定位总线故障后，ARM通过M.2模块对所述总线故障对应的物理层波形数据与链路层数据进行存储。
相比于相关技术，本发明提出了一种差分总线在线健康诊断方法及系统，通过高速差分模拟量采集技术精细的还原了MVB或CAN总线的实时物理波形，精准定位到了总线上具体网络节点故障位置，从根本上保证了总线健康管理数据的准确性；通过差分总线的接口电路，解析MVB或CAN总线的链路层数据获得了总线的负载率、时延、抖动、错误帧比例、CRC故障、吞吐量、总线占有率等参数，实现了链路层数据的实时解析，且此种解析与具体协议无关，提高了设备的通用性；通过特征值提取与特征值综合分析，将物理层特征值与链路层通信特征值实时结合，提高了特征值预测数据故障的准确性；通过特征值提取与总线历史特征值自学习算法，提高了总线健康管理的准确性，当总线电气与协议发生变化时能够及时发现；通过ARM的配置端口，实现了对MVB或CAN总线的兼容解析；通过ARM的4G接口，将故障实时上传至服务器，实现了故障准确预警；通过ARM的M.2大容量存储，将故障波形与链路层数据全部存储，为后期总线故障分析提供了应用。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的差分总线在线健康诊断方法流程图；
图2是根据本申请实施例的差分总线在线诊断装置结构示意图；
图3是根据本申请实施例的差分总线链路数据解析示意图；
图4是根据本申请实施例的差分总线在线诊断方法框架图；
图5是根据本申请实施例的差分总线在线诊断流程图；
图6为本发明的差分总线在线健康诊断系统的结构示意图。
其中，附图标记为：
特征值提取单元：51；
网络故障诊断单元：52；
网络健康评估单元：53。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本发明提供了一种差分总线在线健康诊断方法及系统，解决了无法提前、准确的诊断总线故障、无法快速精准识别或定位总线故障点、总线故障分析或故障诊断方法通用性低等问题。
下面结合具体实施例对本发明进行说明。
实施例一
本实施例还提供了一种差分总线在线健康诊断方法。请参照图1至5，图1是根据本申请实施例的差分总线在线健康诊断方法流程图；图2是根据本申请实施例的差分总线在线诊断装置结构示意图；图3是根据本申请实施例的差分总线链路数据解析示意图；图4是根据本申请实施例的差分总线在线诊断方法框架图；图5是根据本申请实施例的差分总线在线诊断流程图。如图1至5所示，差分总线在线健康诊断方法包括：
特征值提取步骤S1：对链路层数据进行解析后提取链路层数据特征值，从物理层波形数据中提取物理波形特征值；
网络故障诊断步骤S2：对物理波形特征值与链路层数据特征值进行处理获得总线特征影响因子后，根据总线特征影响因子计算获得总线综合健康值，根据总线综合健康值计算获得历史总线综合健康值；
网络健康评估步骤S3：通过计算获得历史总线综合健康值与总线综合健康值的差值，根据差值对总线特征影响因子进行分析获得分析结果，根据分析结果对总线故障进行评估，获得评估结果。
在实施例中，特征值提取步骤S1包括：
差分采样电路采集物理层波形数据，通过总线接口采集链路层数据；
通过PCIE将固件配置和总线协议从所述ARM传输到FPGA，FPGA根据所述总线协议，通过解码部分对链路层数据进行解析，获得解析后的链路层数据；
通过FPGA内部算法从物理层波形数据中提取物理波形特征值。
在具体实施中，整个系统包括数据采集部分、FPGA处理单元、ARM处理单元与4G单元等。
差分采样电路采集物理层波形数据，通过总线接口采集链路层数据；详细的为，数据采集部分又分为差分总线物理层数据采集单元与总线链路层数据解析单元；
差分总线物理波形采样模块采取以下部分：一是以FPGA为核心的最小系统，二是基于高速ADC芯片的波形采集模块，采集模块主要由差分采样电路，PLL电路与高速ADC电路组成；差分采样电路采用ADI专用的高速差分运放，差实现差分信号滤波采样与缩放，高速AD转换实现将差分信号的数模转换，并且在高速率下保证信号不失真，与FPGA与ARM单元的物理层总线采集模块实现差分总线的物理层数据采集；PLL电路为高速ADC提供最高1.8GHz的高速差分时钟，从而保证数据采集的实时性；高速ADC芯片与FPGA间采用4路LVDS通信，保证了大带宽数据量的传输，可以实现ADC最快采集速度1GSPS，这样可以精细、准确的还原总线物理波形；第三部分是FPGA外挂的4GB的DDR4芯片，该芯片作用是为FPGA通过ADC采集的物理波形数据提供大容量缓存，FPGA通过对波形的实时处理获取物理波形的特征值；第四是以PCIE为基础的高速数据传输模块，FPGA挂载4GB的DDR4进行物理波形数据缓存供FPGA实时处理数据。
总线接口单元主要包括变压器、总线保护器件，目的实现设备与总线的隔离与保护，帧收发器实现差分信号与单端信号的转换，总线接口与帧收发器共同实现数据链路层原始数据的采集。
对链路层数据进行解析后，从解析后的链路层数据中提取链路层数据特征值，从物理层波形数据中提取物理波形特征值；详细的为，通过高速模拟量采集技术，能够精细的还原MVB或CAN总线的实时物理波形，实现实时的示波器功能，因此FPGA内部算法能够判断差分总线物理层主从帧起始分界符、终止分界符、电气信号的斜率、电平幅值即最大值、最小值及超调量、信号超调量、信号过冲、信号抖动、信号周期、频率等参数，并且从中实时提取出总线物理波形特征值；
根据链路层数据可以获得总线的负载率、时延、抖动、错误帧比例、CRC故障、吞吐量、总线占有率等参数，并且从中实时提取出差分总线链路层数据特征值；
通过ARM的维护接口将固件配置和总线协议要求通过PCIE加载至FPGA，FPGA根据总线协议对总线数据解析，然后经过解码模块对数据进行解析，解码模块包括帧头检测、帧尾检测、CRC校验、校验序列验算，解码模块通过上述解码模块解析出帧数据，帧数据根据帧头等数据确定数据为主帧和从帧，从而实现链路层数据解析；
其中，链路数据解析模块以FPGA为核心元器件，采用专用总线接收和数据传输通道，其中FPGA与总线连接电路根据总线类型的不同而不同，如果为MVB总线则配置为485接口电路即MVB链路层通过485实现，如果为CAN总线则配置为CAN接口电路，其中，FPGA与ARM通过PCIE进行链路数据的传输。
在实施例中，网络故障诊断步骤S2包括：
通过计算获得物理波形特征值与链路层数据特征值的差值；
根据所述差值计算获得所述总线特征影响因子。
在具体实施例中，通过计算获得物理波形特征值与链路层数据特征值的差值；详细的为，第N个特征值用XNi表示，特征值的差值为ΔXNi，ΔXN0是差分总线的物理层标准值或链路层协议值，其关系如下所示：
根据差值计算获得总线特征影响因子；详细的为，总线综合健康值为Wi，δNi是N个特征值对总线健康值加权影响因子。Wi和δNi、ΔXNi的关系如下所示：
δNi＝F(δNi-1，ΔXNi)且δNmin≤δNi≤δNmax；
δNmin、δNmax根据总线协议及总线成分分析提前配置；
根据总线特征影响因子计算获得总线综合健康值，根据总线综合健康值计算获得历史总线综合健康值；详细的为，通过下面公式计算获得总线综合健康值：
Wi＝Fmin(δ1i*ΔX1i，δ2i*ΔX2i……δNi*ΔXNi，Wi-1) (3)
历史总线综合健康值为
Fmin的含义是通过修正δNi的值来保证Wi的值最小，这样做的意义是通过上述公式3的迭代来完成总线特征值影响因子δNi自学习修正，从而构建总线监控的精确数学模型。并且通过公式2限定δNi限值，从而在总线发生故障时能够通过Wi的值及时发现，并通过综合分析该时刻δNi具体值具体定位总线故障。
在实施例中，网络健康评估步骤S3包括：
当历史总线综合健康值与总线综合健康值的差值小于预设阈值时，历史总线综合健康值自学习算法将总线综合健康值采纳到历史总线综合健康特征值库中；
当历史总线综合健康值与总线综合健康值的差值大于等于预设阈值时，判断差值是否影响总线通信，若差值不影响总线通信，则总线故障状态判断为总线亚健康状态；
根据判断结果对总线特征影响因子进行分析后定位总线故障，ARM对总线故障对应的物理层波形数据与链路层数据进行存储，并将故障预警上传至服务器；
若差值影响总线通信，则故障状态判断为总线故障状态；
根据判断结果对总线特征影响因子进行分析后，定位总线故障，ARM对总线故障对应的物理层波形数据与链路层数据进行存储，并将总线故障状态上传至所述服务器。
在具体实施中，当历史总线综合健康值与总线综合健康值的差值小于预设阈值时，历史总线综合健康值自学习算法将总线综合健康值采纳到历史总线综合健康特征值库中；详细的为，差分总线在线诊断装置将综合考虑物理波形与链路层数据解析结果，将总线综合健康值为wi与历史总线综合健康值为W做差值分析：
ΔW＝Wi-W；
当ΔW数值较小，认为总线数据正常，当ΔW大于某一阈值，认为总线质量处于亚健康，此时要分析各个特征值对总线健康值加权影响因子δNi的数值，从而定位到具体故障，ARM通过大容量存储M.2将物理波形与链路数据存储，并将故障状预警过4G模块上传至服务器；其中，ARM处理器与服务器的通信方式为4G，可以将诊断结果上传至服务器；
当历史总线综合健康值与总线综合健康值的差值大于等于预设阈值时，判断差值是否影响总线通信，若差值不影响总线通信，则总线故障状态判断为总线亚健康状态；详细的为，当ΔW继续增大，超过总线的监控阈值，认为总线质量处于故障状态，此时要分析各个特征值对总线健康值加权影响因子δNi的数值，从而定位到具体故障，ARM通过大容量存储M.2将物理波形与链路数据存储，并将故障状状态过4G模块上传至服务器；
例如通信总线中某个节点误码率高、CRC错误多，同时伴随物理波形的幅值变小或频率不稳定，那么上述特征值对应的ΔXNi必然会增大，Wi也必然增大，ΔW也会增大。而此时上述特征值的加权影响因子δNi会向下限值漂移，通过分析δNi的变化能够定位该节点总线收发器电气故障；而如果某个节点误码率高、CRC错误多，同时伴随物理波形正常，那么预示该节点总线控制器故障。
其中，服务器通过4G接口将具体的通信协议(CAN或MVB)配置文件传给ARM，ARM通过PCIe总线将不同通信总线的电气物理一致性规范的特征值ΔXN0配置入FPGA，在数据监测过程中获取总线综合健康值为Wi，，并且在数据通信中不断的通过自学习形成该总线自身历史的特征值，实时的判断当前波形与标准值和自身历史数据的偏差值。如果特征值差值超过健康总线的特征值偏差的阈值则表征总线可能出现故障或处于亚健康状态。通过差值处理模块再次计算并定位故障点。同时ARM通过大容量存储M.2将物理波形与链路数据存储，并将故障状态通过4G模块上传至服务器。
实施例二
本实施例还提供了一种差分总线在线健康诊断系统。图6为本发明的差分总线在线健康诊断系统的结构示意图。如图图6所示，发明的差分总线在线健康诊断系统，适用于上述的差分总线在线健康诊断方法，差分总线在线健康诊断系统包括：
模特征值提取单元51：对链路层数据进行解析后提取链路层数据特征值，从物理层波形数据中提取物理波形特征值；
网络故障诊断单元52：对所述物理波形特征值与所述链路层数据特征值进行处理获得总线特征影响因子后，根据所述总线特征影响因子计算获得总线综合健康值，根据所述总线综合健康值计算获得历史总线综合健康值；
网络健康评估单元53：通过计算获得所述历史总线综合健康值与所述总线综合健康值的差值，根据所述差值对所述总线特征影响因子进行分析获得分析结果，根据所述分析结果定位总线故障后，ARM通过M.2模块对所述总线故障对应的物理层波形数据与链路层数据进行存储。
综上所述，本发明提供了一种差分总线在线健康诊断方法及系统，通过高速差分模拟量采集技术采样速度达到1GSPS，精细的还原了MVB或CAN总线的实时物理波形，将差分总线数据的电气层物理特性纳入了信号诊断的范围中，同时，通过特征值提取与特征值综合分析，将物理层特征值与链路层通信特征值实时结合，提高了特征值预测数据故障的准确性。并通过ARM的4G接口，能够将故障实时上传至服务器，实现了故障准确预警。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求的保护范围为准。

Claims (7)

1.一种差分总线在线健康诊断方法，其特征在于，所述差分总线在线健康诊断方法包括：
特征值提取步骤：对链路层数据进行解析后提取链路层数据特征值，从物理层波形数据中提取物理波形特征值；
网络故障诊断步骤：对所述物理波形特征值与所述链路层数据特征值进行处理获得总线特征影响因子后，根据所述总线特征影响因子计算获得总线综合健康值，根据所述总线综合健康值计算获得历史总线综合健康值；
网络健康评估步骤：通过计算获得所述历史总线综合健康值与所述总线综合健康值的差值，根据所述差值对所述总线特征影响因子进行分析获得分析结果，根据所述分析结果对总线故障进行评估，获得评估结果，当所述历史总线综合健康值与所述总线综合健康值的所述差值小于预设阈值时，历史总线综合健康值自学习算法将所述总线综合健康值采纳到历史总线综合健康特征值库中；当所述历史总线综合健康值与所述总线综合健康值的所述差值大于等于所述预设阈值时，判断所述差值是否影响总线通信，若所述差值不影响所述总线通信，则总线故障状态判断为总线亚健康状态；
其中，所述网络故障诊断步骤包括：
通过计算获得所述物理波形特征值与所述链路层数据特征值的差值；
根据所述差值计算获得所述总线特征影响因子；
总线综合健康值可通过如下计算模型计算得到：
Wi＝Fmin(δ1i*ΔX1i，δ2i*ΔX2i，......δNi*ΔXNi，Wi-1)
其中，δNi是N个特征值对总线健康值加权影响因子，ΔXNi为物理波形特征值与链路层数据特征值的差值，Fmin是通过修正δNi的值来保证Wi的值最小；
历史总线综合健康值可通过如下计算模型计算得到：
2.根据权利要求1所述的差分总线在线健康诊断方法，其特征在于，所述特征值提取步骤包括：
差分采样电路采集所述物理层波形数据，通过总线接口采集所述链路层数据；
通过PCIE将固件配置和总线协议从ARM传输到FPGA，所述FPGA根据所述总线协议，通过解码部分对所述链路层数据进行解析，获得所述解析后的所述链路层数据。
3.根据权利要求1所述的差分总线在线健康诊断方法，其特征在于，所述特征值提取步骤还包括：
通过FPGA内部算法从所述物理层波形数据中提取所述物理波形特征值。
4.根据权利要求2所述的差分总线在线健康诊断方法，其特征在于，所述网络健康评估步骤还包括：
根据判断结果对所述总线特征影响因子进行分析后，定位所述总线故障，所述ARM对所述总线故障对应的物理层波形数据与链路层数据进行存储，并将故障预警上传至服务器。
5.根据权利要求1所述的差分总线在线健康诊断方法，其特征在于，所述网络健康评估步骤还包括：
若所述差值影响所述总线通信，则所述故障状态判断为总线故障状态。
6.根据权利要求4所述的差分总线在线健康诊断方法，其特征在于，所述网络健康评估步骤还包括：
根据判断结果对所述总线特征影响因子进行分析后，定位所述总线故障，所述ARM对所述总线故障对应的物理层波形数据与链路层数据进行存储，并将所述总线故障状态上传至所述服务器。
7.一种差分总线在线健康诊断系统，其特征在于，所述差分总线在线健康诊断系统包括：
特征值提取单元：对链路层数据进行解析后提取链路层数据特征值，从物理层波形数据中提取物理波形特征值；
网络故障诊断单元：对所述物理波形特征值与所述链路层数据特征值进行处理获得总线特征影响因子后，根据所述总线特征影响因子计算获得总线综合健康值，根据所述总线综合健康值计算获得历史总线综合健康值；
网络健康评估单元：通过计算获得所述历史总线综合健康值与所述总线综合健康值的差值，根据所述差值对所述总线特征影响因子进行分析获得分析结果，根据所述分析结果定位总线故障后，ARM通过M.2模块对所述总线故障对应的物理层波形数据与链路层数据进行存储；
当所述历史总线综合健康值与所述总线综合健康值的所述差值小于预设阈值时，历史总线综合健康值自学习算法将所述总线综合健康值采纳到历史总线综合健康特征值库中；当所述历史总线综合健康值与所述总线综合健康值的所述差值大于等于所述预设阈值时，判断所述差值是否影响总线通信，若所述差值不影响所述总线通信，则总线故障状态判断为总线亚健康状态；
其中，所述网络故障诊断步骤包括：
通过计算获得所述物理波形特征值与所述链路层数据特征值的差值；
根据所述差值计算获得所述总线特征影响因子；
总线综合健康值可通过如下计算模型计算得到：
Wi＝Fmin(δ1i*ΔX1i，δ2i*ΔX2i，......δNi*ΔXNi，Wi-1)
其中，δNi是N个特征值对总线健康值加权影响因子，ΔXNi为物理波形特征值与链路层数据特征值的差值，Fmin是通过修正δNi的值来保证Wi的值最小；
历史总线综合健康值可通过如下计算模型计算得到：
CN202210893048.4A 2022-07-27 2022-07-27 一种差分总线在线健康诊断方法及系统 Active CN115277294B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210893048.4A CN115277294B (zh) 2022-07-27 2022-07-27 一种差分总线在线健康诊断方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210893048.4A CN115277294B (zh) 2022-07-27 2022-07-27 一种差分总线在线健康诊断方法及系统

Publications (2)

Publication Number Publication Date
CN115277294A CN115277294A (zh) 2022-11-01
CN115277294B true CN115277294B (zh) 2024-03-26

Family

ID=83771520

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210893048.4A Active CN115277294B (zh) 2022-07-27 2022-07-27 一种差分总线在线健康诊断方法及系统

Country Status (1)

Country Link
CN (1) CN115277294B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103259686A (zh) * 2013-05-31 2013-08-21 浙江大学 基于离散错误事件的can总线网络故障诊断方法
CN103840556A (zh) * 2014-03-25 2014-06-04 清华大学 智能变电站多间隔暂态行波信号实时共享方法
CN106209432A (zh) * 2016-06-30 2016-12-07 中国人民解放军国防科学技术大学 基于动态阈值的网络设备亚健康预警方法及装置
CN108445868A (zh) * 2018-03-26 2018-08-24 安徽省爱夫卡电子科技有限公司 一种基于现代信号处理技术的汽车智能故障诊断系统及方法
CN108985279A (zh) * 2018-08-28 2018-12-11 上海仁童电子科技有限公司 多功能车辆总线mvb波形的故障诊断方法及装置
CN109525416A (zh) * 2017-09-18 2019-03-26 通用汽车环球科技运作有限责任公司 对低电压通信网络的模拟转数字故障检测、隔离与缓解
CN110912784A (zh) * 2019-12-20 2020-03-24 上海仁童电子科技有限公司 一种以太网总线网络测试设备
CN111147342A (zh) * 2020-04-03 2020-05-12 北京全路通信信号研究设计院集团有限公司 一种基于通信芯片的mvb总线故障诊断方法及系统
CN111160685A (zh) * 2019-09-23 2020-05-15 上海安恪企业管理咨询有限公司 一种基于设备综合健康状况分析和管理的维修决策方法
CN111654417A (zh) * 2020-06-08 2020-09-11 中车青岛四方机车车辆股份有限公司 评估方法及装置、存储介质、处理器、列车
CN111683035A (zh) * 2020-02-12 2020-09-18 华东师范大学 基于can总线差分信号电平特性的车载ecu入侵检测方法及系统
CN112394703A (zh) * 2019-08-14 2021-02-23 中车时代电动汽车股份有限公司 一种车辆故障管理系统
CN114357798A (zh) * 2022-01-17 2022-04-15 北京西清能源科技有限公司 一种电池容量评估方法、装置及电子设备
WO2022095185A1 (zh) * 2020-11-05 2022-05-12 山东大学 输电线故障测距基波分量提取中量测误差抑制方法及系统
CN114762299A (zh) * 2020-01-09 2022-07-15 住友电气工业株式会社 检测装置、车载系统及检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10395125B2 (en) * 2016-10-06 2019-08-27 Smr Patents S.A.R.L. Object detection and classification with fourier fans
WO2018146747A1 (ja) * 2017-02-08 2018-08-16 三菱電機株式会社 情報処理装置、情報処理方法及び情報処理プログラム

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103259686A (zh) * 2013-05-31 2013-08-21 浙江大学 基于离散错误事件的can总线网络故障诊断方法
CN103840556A (zh) * 2014-03-25 2014-06-04 清华大学 智能变电站多间隔暂态行波信号实时共享方法
CN106209432A (zh) * 2016-06-30 2016-12-07 中国人民解放军国防科学技术大学 基于动态阈值的网络设备亚健康预警方法及装置
CN109525416A (zh) * 2017-09-18 2019-03-26 通用汽车环球科技运作有限责任公司 对低电压通信网络的模拟转数字故障检测、隔离与缓解
CN108445868A (zh) * 2018-03-26 2018-08-24 安徽省爱夫卡电子科技有限公司 一种基于现代信号处理技术的汽车智能故障诊断系统及方法
CN108985279A (zh) * 2018-08-28 2018-12-11 上海仁童电子科技有限公司 多功能车辆总线mvb波形的故障诊断方法及装置
CN112394703A (zh) * 2019-08-14 2021-02-23 中车时代电动汽车股份有限公司 一种车辆故障管理系统
CN111160685A (zh) * 2019-09-23 2020-05-15 上海安恪企业管理咨询有限公司 一种基于设备综合健康状况分析和管理的维修决策方法
CN110912784A (zh) * 2019-12-20 2020-03-24 上海仁童电子科技有限公司 一种以太网总线网络测试设备
CN114762299A (zh) * 2020-01-09 2022-07-15 住友电气工业株式会社 检测装置、车载系统及检测方法
CN111683035A (zh) * 2020-02-12 2020-09-18 华东师范大学 基于can总线差分信号电平特性的车载ecu入侵检测方法及系统
CN111147342A (zh) * 2020-04-03 2020-05-12 北京全路通信信号研究设计院集团有限公司 一种基于通信芯片的mvb总线故障诊断方法及系统
CN111654417A (zh) * 2020-06-08 2020-09-11 中车青岛四方机车车辆股份有限公司 评估方法及装置、存储介质、处理器、列车
WO2022095185A1 (zh) * 2020-11-05 2022-05-12 山东大学 输电线故障测距基波分量提取中量测误差抑制方法及系统
CN114357798A (zh) * 2022-01-17 2022-04-15 北京西清能源科技有限公司 一种电池容量评估方法、装置及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于一维卷积神经网络的低压万能式断路器附件故障诊断;孙曙光;李勤;杜太行;崔景瑞;王景芹;;电工技术学报(第12期);全文 *

Also Published As

Publication number Publication date
CN115277294A (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
CN107222362B (zh) 一种整车can网络自动化测试平台及其优化方法
US10091053B2 (en) Comprehensive high resolution cable diagnostics for in-vehicle Ethernet PHYs
US9082242B2 (en) Vehicle network health assessment
CN108833170A (zh) 一种网络级自适应can总线故障诊断方法
US10800363B2 (en) Analog-to-digital fault detection, isolation, and mitigation for a low-voltage communications network
CN110632410A (zh) 一种智能变电站自动化设备智能调试系统及其应用方法
CN116887338B (zh) 基于大数据的5g移动网络实时调整方法
CN114464906A (zh) 动力电池预警方法和装置
CN105137213A (zh) 一种数据通讯实时诊断系统及方法
CN115277294B (zh) 一种差分总线在线健康诊断方法及系统
CN115062538A (zh) 基于注意力机制和卷积nn的变换器故障诊断方法及系统
CN108494626B (zh) 物理安装不当的Profibus DP工业现场总线通信故障智能诊断方法
CN116149301A (zh) 一种故障诊断的装置、方法及车辆
CN115914327A (zh) 一种控制方法、装置、设备及存储介质
CN108983751A (zh) 诊断接头异常处理的方法以及服务器
CN114372525A (zh) 一种钻井电机间歇故障诊断方法
CN114002574A (zh) 半导体结构的测试方法
CN111209954A (zh) 一种基于半马尔科夫过程的电力设备可靠性评估方法
Wu et al. Research on CAN bus measuring technique based on collecting physical waveforms
CN116342110B (zh) 一种列车多温度测量回路智能故障诊断和容错测量方法
CN116489000A (zh) 列车mvb通信网络故障诊断和定位方法及系统
CN115941526A (zh) 一种列车网络健康评估方法及系统
WO2024135539A1 (ja) データ分析システム、セルの欠陥通知システム、データ分析方法、およびデータ分析プログラム、データ分析プログラムが記載された記録媒体
CN109066989B (zh) 具备数据校验和异常告警功能的变电站测控装置及方法
CN117793579B (zh) 基于物联网的计量设备远程监测管理方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Gai Meng

Inventor after: Zhang Xiaosong

Inventor after: Li Bojian

Inventor after: Wang Lei

Inventor before: Gai Meng

Inventor before: Zhang Xiaosong

Inventor before: Li Bojian

Inventor before: Wang Lei

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant